Metode Regresi Binomial Negatif Dan Pendekatan Quasi-Likelihood Untuk Menganalisis Faktor-Faktor Yang Mempengaruhi Jumlah Kematian Balita Di Jawa Barat

Abstract

Berdasarkan hasil Survei Demografi dan Kesehatan Indonesia (SDKI 2012) Angka Kematian Balita (AKBa) di Jawa Barat sebesar 38 per 1000 kelahiran hidup lebih kecil dari AKBa Nasional sebesar 40 per 1000 kelahiran hidup. Namun AKBa tersebut masih lebih besar dibandigkan dengan target MDGs (Milenium Development Goals) yaitu sebesar 32 kematian pada tahun 2015. Jumlah kematian balita diduga terkait dengan masalah ekonomi, sosial, pendidikan, medis dan non medis. Tujuan di dalam penelitian ini yaitu akan dilakukan pemilihan model terbaik untuk menentukan faktor-faktor yang mempengaruhi jumlah kematian balita di Jawa Barat dengan menggunakan metode yang memperhatikan sebaran data (parametrik) yaitu dengan menggunakan Regresi Binomial Negatif dan dengan metode yang tidak memperhatikan sebaran data (non parametrik) yaitu dengan menggunakan pendekatan Quasi-Likelihood. Data pada kasus jumlah kematian balita adalah data cacahan. Salah satu pemodelan statistik yang biasa digunakan untuk kasus tersebut adalah regresi Poisson. Karakteristik dari regresi Poisson adalah nilai rataan dan ragam dari peubah respon sama (equidispersi). Akan tetapi dalam penggunaan data cacahan, seringkali kondisi equidispersi tidak dipenuhi (terjadi kasus overdispersi). Metode yang digunakan untuk menangani overdispersi pada penelitian ini adalah dengan metode regresi Binomial Negatif dan pendekatan Quasi-Likelihood. Data yang digunakan dalam penelitian ini adalah data yang berasal dari data Potensi Desa (PODES) 2011, data hasil Survei Sosial dan Ekonomi Nasional (SUSENAS) 2011 dan data Publikasi BPS Jawa Barat (Jawa Barat dalam Angka 2012). Objek yang digunakan dalam penelitian ini adalah sebanyak 26 kabupaten/kota di Jawa Barat. Jumlah kematian balita berdasarkan kabupaten/kota di Jawa Barat merupakan peubah respon. Sedangkan peubah-peubah penjelas yang digunakan sebanyak 23 peubah, yang dibagi menjadi 5 aspek yaitu aspek perekonomian, sosial, pendidikan, medis dan non medis. Berdasarkan analisis regresi Poisson terdapat masalah overdispersi, sehingga dapat ditangani dengan metode regresi Binomial Negatif dan pendekatan Quasi-Likelihood. Pendekatan Quasi-Likelihood merupakan metode yang terbaik dibandingkan metode regresi Binomial Negatif dalam mengatasi masalah overdispersi. Hal itu dikarenakan pada Quasi-Likelihood mempunyai nilai Pearson Khi-Kuadrat yang paling mendekati satu. Nilai AIC terkecil adalah model pada pendekatan Quasi-Likelhood dengan peubah penjelas yang dimasukkan ke dalam model yaitu peubah persentase penduduk miskin (PPM), persentase balita terlantar (PBT), angka melek huruf (AMH), persentase kepala rumah tangga dengan ijasah SD (PKRTSD), persentase kepala rumah tangga dengan ijasah SLTP (PKRTSLTP), persentase balita dengan gizi buruk (PBGB), persentase ibu hamil yang tidak mengkonsumsi zat besi (TIDAK_FE3), persentase rumah tangga dengan kualitas air tidak bersih (PRTKATB), penolong terakhir kelahiran balita oleh tenaga non medis (PTKBNM), rasio puskesmas per 100.000 penduduk (RPUS). dengan nilai AIC 40,90. Jika dilihat dari nilai Pearson Khi-Kuadrat/db, maka model tersebut masih cocok karena nilai Pearson Khi-Kuadrat /db adalah 1,22 ≈ 1 yang mengindikasikan tidak terdapat masalah overdispersi. Faktor-faktor yang mempungaruhi jumlah kematian balita di Jawa Barat berdasarkan model pendekatan Quasi-Likelihood pada taraf alfa 5% adalah aspek sosial yaitu persentase balita terlantar (PBT), aspek pendidikan yaitu angka melek huruf (AMH); persentase kepala rumah tangga dengan ijasah SD (PKRTSD) dan persentase kepala rumah tangga dengan ijasah SLTP (PKRTSLTP), aspek medis yaitu persentase balita dengan gizi buruk (PBGB) dan persentase ibu hamil yang tidak mengkonsumsi zat besi (TIDAK_FE3), aspek non medis yaitu persentase rumah tangga dengan kualitas air tidak bersih (PRTKATB); penolong terakhir kelahiran balita oleh tenaga nonmedis (PTKBNM) dan rasio puskesmas per 100.000 penduduk (RPUS).